【技术实现步骤摘要】
无人机有雾影像清晰化方法、系统、计算机及存储介质
[0001]本专利技术涉及图像处理的
，尤其涉及到无人机有雾影像清晰化方法、系统、计算机及存储介质。
技术介绍
[0002]无人机遥感技术作为一项新的空间数据获取的重要手段，最近几年发展尤为迅速，和传统的卫星遥感和载人机航空遥感相比，无人机遥感具有更高的分辨率和高时效。无人机遥感技术的出现和发展，为特定重点研究区域大范围高分辨率遥感影像的快速获取、救援人员无法进入的区域遥感监测任务等特殊需求提供了新的技术途径。
[0003]其中，无人机在水域监测方面扮演着很重要的角色，在水资源调查、水域覆盖面积调查、水资源用地信息管理、水资源巡查成图、洪涝灾害、干旱缺水、水域警戒线分析、水域人员救助等方面发挥了至关重要的作用。相比于传统的人工水域监测方式，无人机能够准确且快速的为水利地理信息、水利资源面积的绘制及计算提供数据；能够对水库、堤坝实现实时监控，且能准确监测上下游的水质情况，准确测量水库蓄水情况；能为受灾水域地区进行航拍、定损，快速的提供受灾地区影像和加快对人员的救助...
【技术保护点】
【技术特征摘要】
1.无人机有雾影像清晰化方法，其特征在于，包括以下步骤：S1、在无人机拍摄得到有雾图像I(x)的情况下，根据暗通道先验知识求得表征媒介透射率的介质传输图t(x)；S2、采用Gabor字典对介质传输图t(x)进行稀疏训练，得到新字典D和第一稀疏矩阵；S3、有雾图像I(x)通过雾气浓度的最大对比度方法转换得到图像C(x)；S4、有雾图像I(x)通过颜色衰减先验方法转换得到图像A(x)；S5、通过新字典D对图像C(x)和图像A(x)进行稀疏训练，分别得到第二稀疏矩阵和第三稀疏矩阵；S6、分别采用第二稀疏矩阵和第三稀疏矩阵的无穷范数得出各自的权重矩阵和特征值后，分别对第一稀疏矩阵进行优化，得到只保留第一稀疏矩阵和第二稀疏矩阵有效信息的第四稀疏矩阵，以及只保留第一稀疏矩阵和第三稀疏矩阵有效信息的第五稀疏矩阵；S7、将第四稀疏矩阵和第五稀疏矩阵合并，得到最大程度保留图像信息的第六稀疏矩阵；S8、依据雾天图像退化模型，通过第六稀疏矩阵得出优化后的介质传输图，进而逆向得出清晰化雾天图像。2.根据权利要求1所述的无人机有雾影像清晰化方法，其特征在于，所述步骤S1根据暗通道先验知识求得介质传输图t(x)具体包括：在计算机视觉和计算机图形中，用于描述雾天图像退化的模型：I(x)＝J(x)t(x)+A[1
‑
t(x)]
ꢀꢀꢀꢀ
(1)式(1)中，I(x)为无人机拍摄的有雾图像；A为常量，表示大气光强度；J(x)表示待复原的去雾图像，t(x)为介质传输图；暗通道I
drak
(x)如下所示；式(2)中，I
c
(y)为恢复后的无雾图像在c通道的像素值，c∈{r,g,b}为c取彩色图像{r,g,b}三通道，Ω(x)为以x为中心的滑动窗口，用于求取在此窗口下带雾的其他部分图像中各个像素点处的暗通道值；对暗通道两边求两次最小值运算，并引入权重因子ω∈[0,1]表示期望恢复的程度，求解出表征媒介透射率的介质传输图t(x)，计算公式如下：式(3)中，I
c
(x)为图像在通道c处x点的像素，A
c
为全球大气光成分。3.根据权利要求1所述的无人机有雾影像清晰化方法，其特征在于，所述步骤S3有雾图像I(x)通过雾气浓度的最大对比度方法转换得到图像C(x)，转换公式如下：式(4)中，Ω
r
(x)表示以x为中心的局部块，大小为r
×
r；Ω
s
(y)表示以y为中心的局部
块,大小为s
×
s，I(z)和I(y)为对应的图像。4.根据权利要求1所述的无人机有雾影像清晰化方法，其特征在于，所述步骤S4有雾图像I(x)通过颜色衰减先验方法转换得到图像A(x)，转换公式如下：A(x)＝I
v
(x)
‑
I
s
(x)
ꢀꢀꢀꢀꢀꢀꢀ
(5)式(5)中，I
v
(x)为有雾图像I(x)的亮度，I
s
(x)为有雾图像I(x)的饱和度。5.根据权利要求1所述的无人机有雾影像清晰化方法，其特征在于，所述步骤S6中，采用第二稀疏矩阵的无穷范数得出权重矩阵和特征值后，对第一稀疏矩阵进行优化，得到只保留第一稀疏矩阵和第二稀疏矩阵有效信息的第四稀疏矩阵，具体过程包括：第二稀疏矩阵A的无穷范数如下所示：式(6)中，∑|a
i,j
|为第一行元素绝对值的和，定义φ＝||A||
∞
称为A的权重矩阵；求第二稀疏矩阵A的特征值，先将其三对角化，即：T＝Q
T
AQ
ꢀꢀꢀꢀ
(7)找到正交矩阵Q使得T成为三对角矩阵；接着以Lanczos方法求解第二稀疏矩阵A的特征值，首先将公式中的Q变为：Q＝[q1,q2,
…
,q
n
]
ꢀꢀꢀꢀ
(8)式(8)中，q1,q2,
…<...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。